Odpovědi, ne data – to je to, co každého zajímá

Úvodní titulek článku v sobě skrývá obrovskou pravdu. Mít k dispozici data totiž ještě nutně nemusí znamenat, že budou dále také efektivně využita. Každý, managementem firmy počínaje, chce dostávat co nejkonkrétnější zpětnou vazbu, odpovědi na své otázky. Samotná data nikoho nezajímají. Otázkou však zůstává, proč je zpracování analýz a reportů stále vnímáno jako kámen úrazu v mnoha firmách? Jak konkrétně mohou tento problém řešit self-service business intelligence, neboli samoobslužné BI technologie?

Připravujete analýzu na základě dat, která nejsou optimálně uložena v datovém skladu, a vy je v důsledku pracně shromažďujete pomocí Excelu? Váš nadřízený po vás požaduje do zítřka odevzdat report a vy tušíte, že čas strávený nad shromažďováním dat a jejich prezentaci vám a nejspíše i dalším kolegům přivodí bezesnou noc? Potřebujete získat souhrnný přehled informací (například z marketingových, obchodních a finančních údajů) konsolidovaných z více oddělení firmy? Hledáte jednoduchý způsob sdílení živých, interaktivních, automaticky aktualizovaných dashboardů, namísto rozesílání statických přehledů? Řešíte, jak mít pod kontrolou přístupy ke sdíleným reportům a zároveň, jak si zachovat přehled o používání těchto reportů?

Jsou vám tyto případy povědomé z vlastní praxe? Věřte, že jistě nejste sami. U zákazníků se zcela běžně setkáváme s tím, že každý požadavek na přípravu složitější analýzy nebo reportu roztáčí následující kolečko: uživatel svůj požadavek popíše a s IT pracovníky si jej pracně vyjasňuje do podoby konkrétního zadání. Následuje boj o termín, případně cenu za realizaci. Jsou-li dosavadní kroky uživatele úspěšné, pak čeká na výsledky implementace a doufá, že report dostane včas a v očekávané podobě. Až příliš často se stává, že uživatelé na podobný postup rezignují a raději si vytváří reporty vlastními silami. Výsledkem tohoto přístupu je vznik skupiny „reportingových“ specialistů v každém oddělení firmy, kteří shromažďují data z různých zdrojů a náročně manuálně kompletují vlastní reporty. Nejčastěji k tomu využívají Excel, který po této několikaleté reportingové praxi ve firmě dá vzniknout známému „excelovému peklu“. Nikdo nemá ponětí, jaké vlastně reporty ve firmě existují, jak jsou používány, ani kolik stojí jejich příprava. Až ve chvíli, kdy se sejdou u jednoho ředitele dva podobné, například se statistikou prodejů, a každý report obsahuje jiné údaje, začíná se situace řešit. Ale té práce s hledáním „správných“ údajů! Neocenili byste raději možnost sami si pohrát s dostupnými daty z různých zdrojů, a to nejen s těmi, které jsou uloženy v datovém skladu?

Z výše nastíněného povídání vyplývá, že stále velké množství firem disponuje prostorem pro zlepšení způsobů zpracování analýz a reportů. Vedle standardních reportů implementovaných IT odborníky (například reportů s finančními výsledky či reportů pro vlastníky a management) by měly být zároveň k dispozici nástroje pro pokročilé byznys uživatele. Ti by s pomocí těchto nástrojů dostali příležitost efektivně připravovat ad-hoc analýzy a reporty a tyto výstupy dále sdílet. Pro byznys analytiky by to tudíž znamenalo, že namísto náročného a nudného manuálního zpracovávání reportů by mohli věnovat svou energii a čas hledání informací zajímavých pro management a vlastní přípravě vhodné prezentace (vizualizace) dat. Namísto sepisování požadavků by mohli s koncovými uživateli vyladit prototypy nových reportů nad reálnými daty a IT specialisté by tak ve výsledku dostali precizně zpracované zadání, prototyp by „pouze“ optimalizovali a dle potřeb převedli do robustnějšího prostředí. 

Pro krátké shrnutí: samoobslužné BI technologie umožňují způsoby a nabízejí postupy pro řízení a flexibilní rychlé zkoumání dat, ad-hoc analýzy, ověřování prototypů a sdílení informací s minimálními nároky na zapojení IT pracovníků. Tím šetří značně náklady na jejich čas i provoz celého oddělení. Zpracování analýz zvládnout přitom sami byznys uživatelé i bez větších znalostí programování nebo specifických IT nástrojů. Vlastní práce se self-service BI technologiemi vyžaduje pouze relevantní data, která pomocí konkrétního nástroje zvládnete vizualizovat a umožní vám sledovat vzájemné závislosti či přidávat další atributy a sledovat dopady v interaktivních dashboardech. Pokročilejší uživatelé pak sami zvládnou zpracovat kompletní „business story“, a tedy poutavě vizualizovat informace z dat v podobě, díky které management firmy bude moci učinit odpovídající závěry a rozhodnutí.

Nastíněná teorie se sice jistě hezky čte, ale my jsme se v Adastře rozhodli vyzkoušet si samoobslužné BI technologie na vlastní kůži. Uspořádali jsme proto „Power BI hackathon“, v rámci kterého si přihlášené týmy měly obstarat potřebná data pro vlastní smyšlenou „business story“ a naučit se pracovat s nástrojem Power BI Desktop. V rámci jednoho a půl dne dostal každý z vybraných týmů čas na přípravu svých dashboardů a zpracování svého příběhu do poutavé prezentace. Své výsledky poté týmy představili zástupcům managementu, jimž připadl nelehký úkol – vyhodnotit a ocenit nejlepší týmy. Ceny nicméně nebyly tím hlavním lákadlem. Devizou celé této aktivity byl především fakt, že se nám podařilo rozšířit znalosti našich konzultantů, kteří investovali své úsilí do vzniku šesti úžasných příběhů podložených řadou dashboardů s pěknými datovými vizualizacemi.

Seznamte se s jednou z těchto „business story“, jejímiž autory jsou David Lacina a Kuba Starý, konzultanti Adastry.

Cílem této studie byla analýza obchodního potenciálu vybraných světových lokací pro vhodné umístění nového pivovaru. I přesto, že je námět studie smyšlený, data jsou reálná a pocházejí z volně dostupných zdrojů kombinujících, jak údaje o produkci a spotřebě piva, tak sociodemografická data a údaje o konkurenci.

První dashoboard souhrnně prezentuje přehled produkce a spotřeby piva ve 32 uvedených státech. Oba zmíněné ukazatele je možné snadno porovnat. Ve sledovaných letech 2009 až 2014 je patrné, že produkce i spotřeba se vyvíjí relativně stabilně, jak dokládá analýza časových řad.

Následující analýza dokumentuje konkurenční tlak v jednotlivých státech, který ve vymezeném období narostl takřka dvojnásobně kvůli rostoucímu počtu mikropivovarů (zejména v Anglii o téměř 1000 nových konkurenčních pivovarů).

Analýza příležitosti trhu, kterou zobrazuje další přehled, vyhodnocuje hodnotu tohoto ukazatele na základě vlastního vytvořeného koeficientu dle vzorce „(výroba – export + import)/spotřeba“. Nejvíce perspektivními státy pro import nebo vlastní produkci piva se dle výsledků jeví Dánsko, Rakousko, Turecko a Kypr, jejichž koeficient se pohyboval pod hodnotou 1.

Dánský trh se nicméně po hlubším zkoumání dat projevil jako poměrně nestabilní. Jako nejvhodnější příležitost pro zahájení produkce/importu piva byl proto vyhodnocen rakouský trh, který skončil druhý v pořadí. Díky vlastnímu vytvořenému indikátoru „Average of Opportunity Volume“ můžeme dále jednotně a snadno ohodnotit příležitosti tohoto trhu. Indikátor zobrazuje objem piva (v tisících hektolitrech), který je pro rakouský trh produkovat či importovat. Potenciál tohoto trhu potvrzuje zároveň levý horní graf, který zobrazuje konstantní rozdíl mezi zásobou a spotřebou piva v lokalitě.

Nečekaným zjištěním, které tato analýza pomohla odhalit, byl zároveň odhad potenciálu seychelského trhu. Ačkoliv data roku 2014 prve vykazovala vysokou spotřebu piva na osobu, tedy i vhodnou investiční příležitost, hlubší zkoumání ukázalo, velkou nestabilitu trhu a možnou ztrátu z této investice v budoucnu. Argument podporuje zároveň levý horní graf v obrázku výše dokládající, že dodávka piva na Seychely dokonce mírně převyšuje jeho spotřebu. Analýza tudíž zamezila potenciální hrozbě neúspěchu a rakouský trh byl vyhodnocen jako nejvhodnější realizovatelnou obchodní příležitostí.

Představená business story na základě analýzy dat pomocí technologií self-service BI, zde konkrétně Microsoft Power BI Desktop, je vcelku zjednodušeným příkladem. Nicméně Power BI Desktop i další nástroje na trhu umožňují využít komplexnější funkcionality a odhalit mnohem hlubší vztahy mezi daty. Často i zcela skryté klíčové příčiny nebo důsledky do budoucna. Na ty je Excel poměrně krátký a nemusel by tyto souvislosti vůbec objevit. V konečném důsledku tudíž se self-service BI technologiemi neušetříte jen náklady na vytížené IT pracovníky, ale můžete zabránit významným i ztrátám a ohrožení celého vaše podnikání nebo naopak vytěžit z nečekaných příležitostí. Posuďte sami, co vše vám nástroje self-service BI umožňují:

• připojit se k různým, heterogenním datovým zdrojům a využívat data v jediném konzistentním modelu;
• definovat vlastní sémantickou vrstvu pro zpřístupnění dat běžným uživatelům. Rozšířit dostupná data o vlastní počítané atributy, hierarchie, KPI. Použít sémantickou vrstvu pro překlad technických názvů jednotlivých atributů do uživatelsky srozumitelných náz vů;
• vytvářet interaktivní dashboardy s možností dynamického třídění, filtrování a agregování;
• zpracovávat dostupná data pomocí vlastních transformací připravených v uživatelsky přívětivém prostředí, bez nutnosti psaní skriptů či maker (uživatelské ETL);
• využívat efektivní datové vizualizace a animace;
• zajistit automatickou aktualizaci publikovaných reportů, bezpečnost a centrální administraci;
• publikovat výsledné reporty na portále a prohlížet pomocí běžných webových prohlížečů či na mobilních zařízeních.

Vyhovuje vám stávající systém práce s daty, nebo přemýšlíte nad novými možnostmi zpracování business analýz a reportů? Vyzkoušejte si Power BI Desktop ve zdarma dostupné verzi. Třeba vás výsledek nadchne.